Más del 80% de los universitarios mexicanos ya usa inteligencia artificial generativa —tecnología que genera textos, imágenes y código desde instrucciones en lenguaje natural— según la encuesta más grande realizada en México sobre el tema. Tres cuartas partes de ellos no saben si su institución tiene reglas para usarla.
El uso ya es un hecho: lo que la SEP midió en abril de 2026
La Encuesta Nacional sobre Usos y Percepciones de la Inteligencia Artificial Generativa (ENIAG 2025), presentada por la Secretaría de Educación Pública el 15 de abril de 2026, es el ejercicio censal más grande realizado en el mundo sobre este tema: participaron 2,900 instituciones, más de 1.53 millones de estudiantes y 163,259 docentes. Sus resultados son difíciles de ignorar. El 79% del estudiantado la usa para generar textos académicos; el 93% conoce el término; más del 60% la utilizaba de forma cotidiana. Solo el 3% de los alumnos afirma no haberla usado nunca.
El vacío normativo es igual de contundente. El 76.7% de los docentes en instituciones públicas desconoce si existen lineamientos institucionales sobre el uso de la IA. En el caso de los estudiantes del mismo sector, esa cifra es del 75.3%. Dicho de otra forma: la adopción no esperó el permiso institucional, y la institución todavía no sabe bien qué hacer al respecto.
En México, más del 80% de los universitarios ya usa inteligencia artificial generativa, y tres cuartas partes de ellos operan sin saber si su institución tiene reglas al respecto. La adopción no esperó el permiso institucional.
El vacío regulatorio no es un accidente: es la norma regional
América Latina carece de un marco regulatorio unificado sobre IA en educación superior. Así lo documentó una revisión comparativa publicada en marzo de 2026 por la Universidad Autónoma de Madrid, que analizó la situación normativa en México, Paraguay, Chile y Colombia. Chile lidera la región con una Política Nacional de IA desde 2021 y un proyecto de ley en discusión. Brasil y Colombia han avanzado en estrategias nacionales, pero sin regulación específica para el ámbito educativo. En México, el Senado publicó en octubre de 2025 una propuesta de marco normativo general sobre IA —resultado de seis conversatorios con 72 especialistas— pero sin obligatoriedad ni aplicación al sistema universitario.
Lo que existe en la práctica son decisiones aisladas, institución por institución. Algunas prohíben el uso de IA en evaluaciones; algunas lo permiten bajo declaración del estudiante; muchas no han dicho nada todavía. No hay estándar, no hay sanción definida, no hay protocolo compartido. La ENIAG 2025 es el primer ejercicio que intenta medir el fenómeno a escala nacional. Los datos se recopilaron durante 2025 y se presentaron en abril de 2026.
La trampa académica es el debate equivocado
La discusión pública se ha concentrado en si los estudiantes hacen trampa con IA, cuando el problema de fondo es que el sistema de evaluación heredado simplemente no fue diseñado para este entorno. Un caso documentado en Argentina lo ilustra con precisión: en la Universidad Tecnológica Nacional, Facultad Regional Tucumán, un experimento con tutor de IA (ChatGPT) en el curso de Hidrología e Hidráulica de Ingeniería Civil terminó con 0% de aprobados en el primer intento, con un 65% de similitud entre trabajos y copias superiores al 80%. El estudio, publicado en arXiv (2510.22279) en octubre de 2025, no documenta un fracaso estudiantil: documenta un fracaso del diseño pedagógico frente a una herramienta que los alumnos sí sabían usar, pero para evadir el aprendizaje, no para aprender.
La segunda intervención, con un protocolo rediseñado —que exigía historial de conversación exportado, tiempo mínimo de uso verificable y ejercicios numéricos comprobables—, obtuvo una puntuación media de 88 sobre 100. El mismo grupo de estudiantes, la misma herramienta, resultados opuestos. La variable no fue la IA: fue el diseño de la evaluación.
El problema no es que los estudiantes usen IA para hacer trampa. El problema es que el modelo de evaluación universitaria fue diseñado para un mundo donde copiar era difícil. Ese mundo ya no existe.
La brecha interna que los datos de la SEP revelan
La adopción de IA no es homogénea dentro del propio sistema universitario mexicano. Según la ENIAG 2025, en las universidades tecnológicas y politécnicas casi 7 de cada 10 estudiantes son usuarios frecuentes de IA generativa. En las Universidades Interculturales —que atienden principalmente a comunidades indígenas y rurales— esa cifra baja al 49%. La brecha entre subsistemas refleja una desigualdad estructural que la CEPAL ha documentado en términos más amplios: en 2022, el 77% de los hogares urbanos en América Latina tenía acceso a internet, frente al 38% en zonas rurales. La conversación sobre "integración ética de la IA" ocurre sobre una infraestructura radicalmente desigual.
La formación docente sigue el mismo patrón. En el TecNM, el 50% de los docentes ha tomado algún curso de IA. En las Universidades Interculturales, esa cifra desciende al 25%. La autopercepción de dominio tecnológico es baja en todo el sistema: en una escala de 0 a 10, ni docentes ni estudiantes superan un promedio de 5.5. El interés existe —más del 91% de los profesores quiere tomar cursos sobre el tema— pero el acceso no es uniforme.
El ángulo que los comunicados institucionales no mencionan
Cuando una universidad latinoamericana adopta ChatGPT Edu —el plan universitario de OpenAI— firma términos de servicio cuya infraestructura de datos opera bajo legislación estadounidense. OpenAI declara en su política de privacidad empresarial que los datos guardados de clientes de ChatGPT Edu se almacenan en servidores ubicados en Estados Unidos, y que el procesamiento se rige por marcos como RGPD y CCPA. No existe un equivalente regional en México, Colombia, Argentina o Brasil que imponga obligaciones equivalentes a las plataformas de IA. Las universidades públicas latinoamericanas están firmando acuerdos de uso masivo de datos pedagógicos —conversaciones académicas, patrones de consulta, textos de tesis— bajo una legislación que no es la suya y sin ningún mecanismo de auditoría regional.
El problema no es nuevo: ocurrió antes con Google Workspace for Education, con Microsoft Teams y con los sistemas de gestión de aprendizaje basados en servidores estadounidenses. Lo nuevo es la escala y la especificidad de los datos que se procesan: ya no son correos o documentos, sino el proceso cognitivo en tiempo real de millones de estudiantes.
El modelo educativo heredado hace que todo llegue tarde
La IA generativa llega a las universidades latinoamericanas con el mismo retraso histórico que la digitalización de los procesos administrativos, el acceso a bases de datos académicas internacionales y la infraestructura de investigación básica. No es un fallo de los docentes ni de los estudiantes: es la consecuencia de sistemas diseñados primordialmente para reproducir credenciales, no para producir conocimiento en condiciones cambiantes. La ENIAG 2025 es un síntoma de ese retraso, no una solución: fue el primer ejercicio censal a esta escala, se aplicó durante 2025 y sus resultados se presentaron cuatro meses después ante rectores. Para cuando las instituciones terminen de discutir lineamientos, la tecnología habrá cambiado dos veces más.
La pregunta que los documentos de política educativa evitan formular es la más relevante: ¿quién define los términos bajo los cuales los datos pedagógicos de estudiantes latinoamericanos alimentan sistemas entrenados para otros mercados? La respuesta actual es clara: nadie en la región. Las plataformas de Silicon Valley llenan ese vacío por omisión, no por acuerdo.
